Η τεχνητή νοημοσύνη προσομοιώνει ολόκληρο τον γαλαξία:Μια σημαντική ανακάλυψη στο αστρικό μοντέλο

Προσωπικά (αριστερά) και πλάγια όψη (δεξιά) στιγμιότυπα ενός γαλαξιακού δίσκου αερίου. Αυτά τα στιγμιότυπα της διανομής αερίου μετά από μια έκρηξη σουπερνόβα δημιουργήθηκαν από το υποκατάστατο μοντέλο βαθιάς μάθησης. Πίστωση:RIKEN

Οι αστροφυσικοί πάντα ονειρευόντουσαν να εκτελέσουν μια προσομοίωση του Γαλαξία που θα μπορούσε να παρακολουθεί κάθε αστέρι - κάθε τροχιά, έκρηξη και έκρηξη - χωρίς να κόβει τις γωνίες. Τώρα, μια ομάδα στην Ιαπωνία το κατάφερε επιτέλους.

Χρησιμοποιώντας τεχνητή νοημοσύνη, ερευνητές στο RIKEN Center for Interdisciplinary Theoretical and Mathematical Sciences, μαζί με συνεργάτες από το Πανεπιστήμιο του Τόκιο και το Universitat de Barcelona, πέτυχαν την πρώτη στον κόσμο προσομοίωση του γαλαξία μας από αστέρι προς αστέρι.

Τα αποτελέσματα, που παρουσιάστηκαν αυτή την εβδομάδα στο Διεθνές συνέδριο για υπολογιστές υψηλής απόδοσης, δικτύωση, αποθήκευση και ανάλυση (SC ’25) , ωθήστε τα όρια του τι μπορούν να χειριστούν ακόμη και οι πιο γρήγοροι υπερυπολογιστές.

«Πιστεύω ότι η ενσωμάτωση της τεχνητής νοημοσύνης με τους υπολογιστές υψηλής απόδοσης σηματοδοτεί μια θεμελιώδη αλλαγή στον τρόπο με τον οποίο αντιμετωπίζουμε προβλήματα πολλαπλής κλίμακας, πολλαπλής φυσικής στις υπολογιστικές επιστήμες», δήλωσε ο επικεφαλής συγγραφέας Keiya Hirashima του RIKEN.

Διάσπαση του φράγματος δισεκατομμυρίων σωματιδίων

Μέχρι τώρα, η μοντελοποίηση γαλαξιών απαιτούσε πάντα συμβιβασμό. Οι προσομοιώσεις θα μπορούσαν είτε να περιλαμβάνουν τη λεπτομερή φυσική μεμονωμένων αστεριών είτε τη δομή μεγάλης κλίμακας ενός ολόκληρου γαλαξία — αλλά όχι και των δύο. Μια προσομοίωση μεγέθους Γαλαξία θα μπορούσε συνήθως να συγχωνεύει σμήνη εκατοντάδων αστεριών σε μεμονωμένα "σωματίδια" για εξοικονόμηση χρόνου και υπολογιστικής ισχύος.

Αυτό το σημείο συμφόρησης προήλθε από τις πολύ διαφορετικές χρονικές και χωρικές κλίμακες που εμπλέκονται. Ένας σουπερνόβα μπορεί να ξεδιπλωθεί σε λίγα χρόνια, ενώ η γαλαξιακή εξέλιξη διαδραματίζεται σε δισεκατομμύρια. Το υπερθερμασμένο αέριο μιας έκρηξης, μετρημένο σε εκατομμύρια μοίρες, αλληλεπιδρά με ψυχρά μοριακά νέφη μόλις δέκα μοίρες πάνω από το απόλυτο μηδέν. Η παρακολούθηση και των δύο φαινομένων απαιτούσε χρονικά βήματα τόσο μικρά που ακόμη και οι ταχύτεροι υπερυπολογιστές του κόσμου θα χρειάζονταν δεκαετίες πραγματικό χρόνο για να τελειώσουν.

Στην εργασία της ομάδας, η Χιρασίμα και οι συνεργάτες της περιγράφουν πώς έσπασαν αυτό που αποκαλούν «φράγμα δισεκατομμυρίων σωματιδίων» τρέχοντας ένα υβριδικό μοντέλο που συνδύαζε προσομοίωση βασισμένη στη φυσική με ένα μοντέλο «υποκατάστατο» βάθους μάθησης.

Εκπαιδευμένο σε προσομοιώσεις υψηλής ανάλυσης εκρήξεων σουπερνόβα, το μοντέλο έμαθε πώς συμπεριφέρονται τα διαστελλόμενα σύννεφα θερμού αερίου για 100.000 χρόνια. Αυτή η γνώση επιτρέπει στο AI να χειρίζεται τοπικές εκρήξεις δραστηριότητας, ενώ η κύρια προσομοίωση συνέχιζε την παρακολούθηση της συνολικής δυναμικής του γαλαξία.

«Αυτό το επίτευγμα δείχνει επίσης ότι οι προσομοιώσεις με επιτάχυνση AI μπορούν να προχωρήσουν πέρα από την αναγνώριση προτύπων για να γίνουν ένα γνήσιο εργαλείο επιστημονικής ανακάλυψης – βοηθώντας μας να εντοπίσουμε πώς εμφανίστηκαν τα στοιχεία που σχημάτισαν την ίδια τη ζωή στον γαλαξία μας», πρόσθεσε η Χιρασίμα.

Ο γαλαξίας των υπερυπολογιστών

Για να το πετύχουν αυτό, οι ερευνητές αξιοποίησαν τον Fugaku, τον υπερυπολογιστή της Ιαπωνίας, μαζί με το σύστημα Miyabi του Πανεπιστημίου του Τόκιο και το σύμπλεγμα Rusty του Ινστιτούτου Flatiron. Μόνο στο Fugaku, χρησιμοποίησαν 148.900 κόμβους, που ισοδυναμούν με πάνω από 7 εκατομμύρια πυρήνες CPU, που τρέχουν συνολικά 300 δισεκατομμύρια σωματίδια. Αυτό είναι πολύ περισσότερο από οποιαδήποτε προσομοίωση γαλαξία πριν από αυτήν.

Ο υποκατάστατος της τεχνητής νοημοσύνης χειρίστηκε τα τοπικά πυροτεχνήματα:κάθε φορά που το μοντέλο εντόπισε ένα αστέρι στα πρόθυρα έκρηξης, έστελνε τη γύρω περιοχή σε ένα σύνολο «κόμβων πισίνας» για να επεξεργαστεί το νευρωνικό δίκτυο ανεξάρτητα. Η τεχνητή νοημοσύνη προέβλεψε πώς θα εξελισσόταν το αέριο και η σκόνη τα επόμενα 100.000 χρόνια και τροφοδότησε αυτά τα αποτελέσματα στον κύριο υπολογισμό —χωρίς να επιβραδύνει ολόκληρο το σύστημα.

Σε μια συμβατική διάταξη, η προσομοίωση 1 εκατομμυρίου ετών γαλαξιακού χρόνου μπορεί να διαρκέσει 315 ώρες. Με τη νέα μέθοδο χρειάστηκαν μόλις 2,78 ώρες. Αυτό σημαίνει ότι η προσομοίωση ενός δισεκατομμυρίου ετών—περίπου το εύρος της αργής περιστροφής ενός σπειροειδούς βραχίονα—μπορεί τώρα να γίνει σε περίπου 115 ημέρες, αντί για 36 χρόνια.

Η προσομοίωση κλιμακώθηκε ομαλά σε δεκάδες χιλιάδες επεξεργαστές και διατήρησε την απόδοση ακόμη και στην υψηλότερη ανάλυση. Συνολικά, πέτυχε επιτάχυνση 100× και χρησιμοποίησε 500× περισσότερα σωματίδια από οποιοδήποτε προηγούμενο μοντέλο σε κλίμακα γαλαξία.

Ένα νέο είδος κοσμικού μικροσκοπίου

Επειδή αυτό το πλαίσιο με τη βοήθεια τεχνητής νοημοσύνης γεφυρώνει τεράστιες διαφορές σε χρόνο και χώρο, θα μπορούσε να εφαρμοστεί σε άλλα πολύπλοκα συστήματα—από την πρόβλεψη της δυναμικής του κλίματος έως τη μοντελοποίηση των ταραγμένων ροών των ωκεανών ή ακόμη και τη φυσική του πλάσματος.

«Το ζήτημα του μικρού χρονικού βήματος είναι κοινό σε οποιεσδήποτε προσομοιώσεις υψηλής ανάλυσης, όχι μόνο σε προσομοιώσεις γαλαξιών», έγραψαν οι συγγραφείς. "Η τεχνική της αντικατάστασης ενός μικρού μέρους των προσομοιώσεων με υποκατάστατα μοντέλα βαθιάς μάθησης έχει τη δυνατότητα να αποφέρει οφέλη σε διάφορους τομείς."

Κυκλοφορία υλικού σε έναν γαλαξία. Πίστωση:NASA/JPL-Caltech, ESA, CSA, STScI.

Για την ίδια την αστροφυσική, η δυνατότητα παρακολούθησης της ιστορίας κάθε αστεριού προσφέρει έναν χάρτη του τρόπου με τον οποίο η ύλη ανακυκλώνεται μέσω γενεών αστρικών γεννήσεων και θανάτων. Μέσα στη μελέτη, ένα διάγραμμα που προέρχεται από τη NASA δείχνει αυτόν τον κοσμικό κύκλο των σουπερνόβα που σπέρνουν νέα αστέρια με οξυγόνο, άνθρακα, μαγνήσιο και σίδηρο. Κατά μία έννοια, κάθε προσομοιωμένη έκρηξη βοηθά τώρα να αποκαλυφθεί πώς ο Γαλαξίας δημιούργησε τα συστατικά για πλανήτες όπως η Γη και τη ζωή που προέκυψε σε αυτούς.

Τα επόμενα βήματα των ερευνητών περιλαμβάνουν περαιτέρω κλιμάκωση του μοντέλου, συμπεριλαμβανομένων πιθανώς των επιπτώσεων της κοσμικής ακτινοβολίας, της συσσώρευσης μαύρης τρύπας και της εισροής διαγαλαξιακών αερίων. Με την τεχνητή νοημοσύνη να είναι πλέον υφασμένη στον ίδιο τον ιστό της προσομοίωσης, οι γαλαξίες μπορεί σύντομα να γίνουν όχι απλώς θέματα μελέτης, αλλά ζωντανά εργαστήρια όπου η ιστορία του σύμπαντος μπορεί να αναπαραχθεί ξανά σε silico.